verl-agent
★ 1.9k
vs
on-policy
★ 2.0k
verl-agent vs on-policy
verl-agent：`verl-agent` 扩展了 veRL，通过强化学习训练大型语言模型代理，并引入了新颖的步进独立多轮回滚机制。这种设计通过定制化的每步输入结构和内存管理，确保了长周期任务的高度可扩展性。；on-policy：该存储库实现了MAPPO，一种PPO的多智能体变体，广泛应用于合作多智能体游戏和研究。它为星际争霸II、花火和谷歌足球等多种多智能体环境提供了健壮的实现，并附有详细的训练脚本和超参数指南。
01
简评
选 verl-agent 如果…为复杂的、多轮次长周期任务训练大型语言模型代理。
选 on-policy 如果…合作多智能体强化学习的研究与实验
02
并排对比
03
功能特性
verl-agent01多轮代理-环境交互
02完全可定制的内存模块和每步输入结构
03可扩展至超长周期优化
04并行化的Gym风格环境及分组环境支持
05多样化的强化学习算法
on-policy01MAPPO（多智能体PPO）的实现
02支持多样化的多智能体环境（如星际争霸II、花火）
03提供各种场景的即用型训练脚本
04详细的超参数指导和最新结果
05默认支持智能体间的共享策略
04
使用场景
verl-agent↳为复杂的、多轮次长周期任务训练大型语言模型代理。
↳开发适用于视觉和文本环境的推理代理。
↳解决数字界面控制、具身AI和搜索相关的挑战。
on-policy↳合作多智能体强化学习的研究与实验
↳评估PPO在多智能体强化学习场景中的有效性
↳为星际争霸II和花火等流行多智能体游戏训练AI智能体
05
适合场景
verl-agent时下流行
on-policy时下流行强化学习多智能体AI
FAQ
常见问题
verl-agent 和 on-policy 有什么区别？
verl-agent 和 on-policy 都属于 Vision / Multimodal 类别。verl-agent 有 1.9k Stars，on-policy 有 2.0k Stars。
verl-agent 和 on-policy 哪个更好？
最佳选择取决于你的具体需求。为复杂的、多轮次长周期任务训练大型语言模型代理。 时选 verl-agent，合作多智能体强化学习的研究与实验 时选 on-policy。
verl-agent 是免费的吗？
是的，verl-agent 在 GitHub 开源（Apache-2.0）。
on-policy 是免费的吗？
是的，on-policy 在 GitHub 开源（MIT）。
→